本书在前三版的基础上，为适应计算机视觉领域的革命性变化——深度学习的出现，出版了第四版。更新内容主要体现在：伪代码描述改用Python和MATLAB（放弃了Mathcad）；新增阐述深度学习，包括主要的深度网络结构、学习得到的深度特征和性能评价。此外，本书还补充了双向滤波、Krawtchouk矩、超像素、空时兴趣点和更多的距离测度等。总之，本书既涵盖基础，又突出重点，全面阐述了边缘检测、固定形状匹配、可变形状分析、目标描述、基于区域的分析和运动对象检测及描述等低级和高级特征提取方法。
本书适合作为电子工程、计算机科学、计算机工程等专业的本科双语教学教材，也适合图像及视频信号处理、模式识别和计算机视觉方向的研究生参考阅读。

马克·S.尼克松，英国南安普敦大学计算机视觉中心教授，IET会士，IAPR会士。研究兴趣包括图像处理与计算机视觉。他的团队开发了在生物信息学和医疗图像分析领域应用广泛的静止与运动形状提取新技术。该团队也是人脸识别的早期研究者，后来成为步态识别的开拓者，近期拓展到耳生物信息和面向行人识别的软生物信息/属性研究。

Chapter 1 Introduction 绪论
1.1 Overview 概述
1.2 Human and computer vision 人类视觉和计算机视觉
1.3 The human vision system 人类视觉系统
1.3.1 The eye 眼睛
1.3.2 The neural system 神经系统
1.3.3 Processing 处理系统
1.4 Computer vision systems 计算机视觉系统
1.4.1 Cameras 照相机
1.4.2 Computer interfaces 计算机接口
1.5 Processing images 图像处理
1.5.1 Processing 处理
1.5.2 Hello Python, hello images Python 图像初探
1.5.3 Mathematical tools 数学工具
1.5.4 Hello Matlab MATLAB 图像初探
1.6 Conclusions 小结
References 参考文献
Chapter 2 Images, sampling and frequency domain processing 图像、采样和频域处理
2.1 Overview 概述
2.2 Image formation 图像形成
2.3 The Fourier Transform 傅里叶变换
2.4 The sampling criterion 采样准则
2.5 The discrete Fourier Transform 离散傅里叶变换
2.5.1 One-dimensional transform 一维变换
2.5.2 Two-dimensional transform 二维变换
2.6 Properties of the Fourier Transform 傅里叶变换的特性
2.6.1 Shift invariance 位移不变性
2.6.2 Rotation 旋转
2.6.3 Frequency scaling 频率尺度变化
2.6.4 Superposition (linearity) 叠加（线性）
2.6.5 The importance of phase 相位的重要性
2.7 Transforms other than Fourier 除傅里叶变换以外的其他变换
2.7.1 Discrete cosine transform 离散余弦变换
2.7.2 Discrete Hartley Transform 离散Hartley变换
2.7.3 Introductory wavelets 小波简介
2.7.4 Other transforms 其他变换
2.8 Applications using frequency domain properties 频域特性的应用
2.9 Further reading 扩展阅读
References 参考文献
Chapter 3 Image processing 图像处理运算
3.1 Overview 概述
3.2 Histograms 直方图
3.3 Point operators 点运算
3.3.1 Basic point operations 基本点运算
3.3.2 Histogram normalisation 直方图归一化
3.3.3 Histogram equalisation 直方图均衡化
3.3.4 Thresholding 阈值处理
3.4 Group operations 组运算
3.4.1 Template convolution 模板卷积
3.4.2 Averaging operator 平均算子
3.4.3 On different template size 不同的模板大小
3.4.4 Template convolution via the Fourier transform 利用傅里叶变换的模板卷积
3.4.5 Gaussian averaging operator 高斯平均算子
3.4.6 More on averaging 更多平均处理
3.5 Other image processing operators 其他图像处理操作
3.5.1 Median filter 中值滤波
3.5.2 Mode filter 众数滤波
3.5.3 Nonlocal means 非局部均值
3.5.4 Bilateral filtering 双边滤波
3.5.5 Anisotropic diffusion 各向异性扩散
3.5.6 Comparison of smoothing operators 各种平滑算子的比较
3.5.7 Force field transform 力场变换
3.5.8 Image ray transform 图像射线变换
3.6 Mathematical morphology 数学形态学
3.6.1 Morphological operators 形态学算子
3.6.2 Grey level morphology 灰度形态学
3.6.3 Grey level erosion and dilation 灰度图像的腐蚀和膨胀
3.6.4 Minkowski operators Minkowski 算子
3.7 Further reading 扩展阅读
References 参考文献
Chapter 4 Low-level feature extraction (including edge detection) 低级特征提取（包括边缘检测）
4.1 Overview 概述
4.2 Edge detection 边缘检测
4.2.1 First-order edge detection operators 一阶边缘检测算子
4.2.2 Second-order edge detection operators 二阶边缘检测算子
4.2.3 Other edge detection operators 其他边缘检测算子
4.2.4 Comparison of edge detection operators 边缘检测算子的比较
4.2.5 Further reading on edge detection 关于边缘检测的扩展阅读
4.3 Phase congruency 相位一致性
4.4 Localised feature extraction 定位特征提取
4.4.1 Detecting image curvature (corner extraction) 检测图像曲率（角点提取）
4.4.2 Feature point detection: region/patch analysis 特征点检测：区域/样本块分析
4.4.3 Saliency 显著度
4.5 Describing image motion 描述图像运动
4.5.1 Area-based approach 基于区域的方法
4.5.2 Differential approach 差分方法
4.5.3 Recent developments: deep flow, epic flow and extensions 新近发展：深度流，epic流和扩展
4.5.4 Analys